Les modèles scientifiques sont des outils essentiels pour comprendre les systèmes complexes du monde réel. Ils permettent aux chercheuses et chercheurs de tester des hypothèses, de faire des prédictions et de dégager des tendances impossibles à détecter autrement.
Dans leur article publié dans Nature Communications, le professeur de physique André Longtin et son ancien étudiant au doctorat, Alexandre René, décrivent une nouvelle méthode susceptible d’améliorer la façon dont les scientifiques évaluent et comparent ces modèles. L’équipe espère notamment que cette méthode contribuera à une meilleure compréhension des troubles neurologiques, comme l’épilepsie.
« Nos collègues de l’Université d’Ottawa et d’autres établissements étudient des tissus cérébraux et les ondes cérébrales de personnes atteintes d’épilepsie. Leurs travaux permettent d’enregistrer l’activité de l’hippocampe, une région du cerveau souvent touchée par ce trouble. Dans ces enregistrements, on observe parfois une tempête électrique qui finit par s’arrêter : c’est ce qui correspond à une crise d’épilepsie. À ce jour, nous ne comprenons toujours pas clairement ce qui se passe lorsque les circuits neuronaux se dérèglent », explique le professeur Longtin, codirecteur du Centre de neurodynamique et d’intelligence artificielle de l’Université d’Ottawa.
En appliquant des modèles mathématiques à ces schémas d’activité cérébrale, le professeur Longtin et Alexandre espèrent arriver à mieux anticiper les crises et détecter de nouvelles cibles de traitement, que ce soit par chirurgie, stimulation cérébrale ou médicaments d’ordonnance.
Là où le bât blesse, c’est que bien souvent en neurosciences, les phénomènes observés peuvent s’expliquer par plusieurs modèles mathématiques distincts. Avant de poursuivre leurs travaux, les scientifiques doivent donc déterminer le modèle à privilégier – une décision difficile.
À la recherche du meilleur modèle
« Supposons que deux modèles possibles, A et B, diffèrent dans leur description des cellules cérébrales altérées. Les deux correspondent assez bien aux données sur les crises d’épilepsie, mais reposent sur des mécanismes différents. Logiquement, même si nous ne connaissons pas le véritable modèle mathématique à l’origine de ces schémas d’activité, les deux pourraient être valides », explique le professeur Longtin.
Traditionnellement, les scientifiques comparent les modèles à l’aide de différents indicateurs afin de mesurer leur concordance avec les données existantes et leur capacité à prédire des données qui n’ont pas encore été observées. Le modèle qui correspond le mieux aux données observées est celui qui a la plus grande valeur de probabilité. Toutefois, comme les données ne représentent qu’une partie de la réalité, le modèle qui s’y apparente le plus n’est pas nécessairement le plus fiable. Répétée dans le même laboratoire ou dans un autre, l’expérience donnerait presque à coup sûr des résultats légèrement différents.
Une meilleure vue d’ensemble
C’est ici que le cadre de modélisation épistémique du professeur Longtin et d’Alexandre apporte un éclairage nouveau.
« C’est Alex, mon étudiant, qui est à l’origine de cette méthode. Il nous a amenés à repartir de zéro et à nous demander : si plusieurs modèles semblables concordent plus ou moins avec les données, comment savoir auquel il faut se fier? »
Habituellement, les scientifiques attribuent une valeur unique à chaque modèle, mais le cadre qu’ils ont élaboré tient compte de l’ensemble des risques associés au modèle.
« Au lieu de fournir simplement le risque associé au modèle A et celui associé au modèle B, notre méthode fournit une distribution de probabilités pour ces risques », explique le professeur.
Une distribution de probabilités représente l’ensemble des résultats possibles ainsi que la probabilité associée à chacun d’eux.
Cette approche permet de voir non seulement quel modèle paraît le plus solide, mais aussi dans quelle mesure les scientifiques peuvent s’y fier. Un modèle peut sembler mieux correspondre aux données sans être pour autant le plus fiable. À l’inverse, un modèle qui semble s’y apparenter un peu moins peut mener à des prédictions plus fiables dans l’ensemble.
En mettant en lumière l’incertitude associée aux modèles et la reproductibilité des résultats, cette approche aide la communauté scientifique à faire des choix plus éclairés parmi plusieurs modèles concurrents. Cette meilleure compréhension pourrait ultimement mener à une prise de décisions plus rigoureuse non seulement dans la recherche sur l’épilepsie, mais aussi dans de nombreux domaines qui s’appuient sur les modèles mathématiques pour faire progresser les connaissances.